比较图片的相似度

通过感知散列算法可以比较大小（亮度、对比度等）可能不同的图片。

感知散列可以相互比较并推断两组数据之间的差异程度。

在 habrahabr 上有一篇关于此主题的文章。我还在c++ 中找到了这个算法的实现。当然java，要么有算法，要么你可以写，因为 那里没有什么离谱的。

在这里，我将引用关于 Habré 的文章来描述通用算法：

1. 减小尺寸。消除高频的最快方法是减少图像。在本例中，我们将其缩小为 8x8，因此总像素数为 64。您不必担心比例，只需将其平方为 8x8。因此，哈希将匹配图像的所有变体，无论大小和纵横比如何。

2. 去除颜色。小图像被转换为​​灰度，因此哈希减少了 3 倍，从 64 个像素（64 个红色、64 个绿色和 64 个蓝色）到总共 64 个颜色值。

3. 找到平均值。计算所有 64 种颜色的平均值。

4. 比特链。这是最有趣的部分：对于每种颜色，您会得到 1 或 0，具体取决于它是高于还是低于平均值。

5. 建立一个哈希。将 64 个单独的位转换为单个 64 位值。只要保持不变，顺序就无关紧要（我从左到右，从上到下写位）。

如果图像被缩放、压缩或拉伸，最终的哈希值不会改变。改变亮度或对比度，甚至改变颜色也不会产生太大的影响。最重要的是：这个算法非常快！

如果您需要比较两张图片，那么只需为每张图片构建一个哈希并计算不同位的数量（这就是汉明距离）。零距离意味着这些很可能是相同的图片（或相同图片的变体）。距离为 5 表示图片有些不同，但总体上它们仍然相当接近。如果距离为 10 或更大，那么这些可能是完全不同的图像。

总共比较两张图片：

• 我们需要找到两张图片的感知哈希。
• 使用汉明距离，确定哈希之间的差异程度，并根据差异确定它们的相似性。

PS。

有一个python库来比较图像imagehash。我玩过它，可以提供两个例子：

• 控制台（在给定文件夹中搜索图片并显示相似图片）

• 窗口化（对于选定的图像，找到了 3 个相似的图像，它们用框架突出显示并放在下面的列表中），截图：